买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉武汉大学申请的专利物理信息神经网络的自适应网格细化方法、系统和设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120874642B 。

龙图腾网通过国家知识产权局官网在2025-12-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511408444.3，技术领域涉及：G06F30/27；该发明授权物理信息神经网络的自适应网格细化方法、系统和设备是由陈俊伟;赵智;韩林源;季璇;周小平设计研发完成，并于2025-09-29向国家知识产权局提交的专利申请。

本物理信息神经网络的自适应网格细化方法、系统和设备在说明书摘要公布了：本发明涉及计算固体力学与深度学习交叉技术领域，特别涉及一种物理信息神经网络的自适应网格细化方法、系统及设备，包括：采用粗网格物理信息神经网络模型对力学问题离散建立节点坐标与节点位移的映射关系，构造固体力学问题的物理信息函数与总损失函数，对粗网格物理信息神经网络模型进行训练得到固体力学问题的总损失函数值及变化率；若粗网格物理信息神经网络模型满足求解条件或训练次数大于预设次数，则输出固体力学问题的位移解，否则选择粗网格物理信息神经网络模型中应变能密度值较大的网格单元进行细化，得到细化网格模型，迁移粗网格物理信息神经网络模型的参数至细化网格模型，重复执行上述步骤直至输出固体力学问题的高精度解。

本发明授权物理信息神经网络的自适应网格细化方法、系统和设备在权利要求书中公布了：1.一种物理信息神经网络的自适应网格细化方法，其特征在于，包括以下步骤： 判断是否存在平面板受拉过程的固体力学问题的计算需求； 若存在所述固体力学问题的计算需求，则采用粗网格物理信息神经网络模型对该力学问题进行离散，建立节点坐标与节点位移之间的映射关系，基于所述节点坐标与节点位移之间的映射关系，构造固体力学控制方程的物理信息函数与总损失函数，通过对所述粗网格物理信息神经网络模型训练，得到所述固体力学问题的总损失函数值及其变化率； 基于所述总损失函数值及其变化率判断所述粗网格物理信息神经网络模型是否满足预设求解条件，或者判断所述粗网格物理信息神经网络模型的当前训练次数是否大于预设次数； 若所述粗网格物理信息神经网络模型满足所述预设求解条件，或者所述当前训练次数大于所述预设次数，则输出所述固体力学问题的位移解，否则，计算所述粗网格物理信息神经网络模型每个网格单元的应变能密度值，并选择多个应变能密度值较大的待细化目标网格单元进行网格细化，得到细化后的网格模型，且利用粗网格物理信息神经网络模型的参数迁移至细化后的网格模型的深度神经网络，得到目标神经网络模型，重复执行上述训练-判断-细化-迁移循环迭代，直至目标神经网络模型输出固体力学问题的高精度解； 所述选择多个应变能密度值较大的待细化目标网格单元进行网格细化，在所述待细化目标网格单元为三角形单元时，包括： 若所述待细化目标网格单元与三个相邻单元共享边界，则在所述待细化目标网格单元的每条边中点加第一组新节点，并将所述待细化目标网格单元细分成多个子单元，将所述第一组新节点连接至所述相邻单元中对应边的对顶点，并将每个相邻单元细分成多个子单元； 若所述待细化目标网格单元与两个相邻单元共享边界，则在所述待细化目标网格单元的每条边中点加第二组新节点，并将所述待细化目标网格单元细分成多个子单元，将所述第二组新节点连接至所述相邻单元中对应边的对顶点，将每个相邻单元细分成多个子单元； 若所述待细化目标网格单元与一个相邻单元共享边界，则在所述待细化目标网格单元的每条边中点加第三组新节点，并将所述待细化目标网格单元细分成多个子单元，将所述第三组新节点连接至相邻单元中对应边的对顶点，将相邻单元细分成多个子单元。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。